מבוא: מהדורת Thinking הרב-מודאלית
Qwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.
סוכנים חזותיים ותכנות המבוסס על חומר חזותי
Qwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.
תכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.
תפיסה מרחבית
היצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.
הקשר ארוך ווידאו
ההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.
הסקה וזיהוי רב-מודאליים
מהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.
OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.
שינויים בארכיטקטורה
Interleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.
הכנת קלט ופלט חזותיים
דוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.
בקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.
הנחיות יצירה ומגבלות
קובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.
", "aboutText": "מבוא: מהדורת Thinking הרב-מודאלית\n\nQwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.\n\nסוכנים חזותיים ותכנות המבוסס על חומר חזותי\n\nQwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.\n\nתכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.\n\nתפיסה מרחבית\n\nהיצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.\n\nהקשר ארוך ווידאו\n\nההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.\n\nהסקה וזיהוי רב-מודאליים\n\nמהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.\n\nOCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.\n\nשינויים בארכיטקטורה\n\nInterleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.\n\nהכנת קלט ופלט חזותיים\n\nדוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.\n\nבקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.\n\nהנחיות יצירה ומגבלות\n\nקובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking הוא מודל הראייה והשפה של Qwen בארכיטקטורת תערובת מומחים להסקה מטקסט, מתמונה ומווידאו. השתמשו במהדורת Thinking לשאלות STEM, לראיות מסמכים, לקשרים מרחביים, לתכנות המבוסס על חומר חזותי ולניתוח וידאו עם חותמות זמן, עם הקשר מובנה של 262,144 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
מבוא: מהדורת Thinking הרב-מודאלית
Qwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.
סוכנים חזותיים ותכנות המבוסס על חומר חזותי
Qwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.
תכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.
תפיסה מרחבית
היצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.
הקשר ארוך ווידאו
ההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.
הסקה וזיהוי רב-מודאליים
מהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.
OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.
שינויים בארכיטקטורה
Interleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.
הכנת קלט ופלט חזותיים
דוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.
בקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.
הנחיות יצירה ומגבלות
קובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-vl-235b-a22b-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: שיחת טקסט | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream |
פרמטרcontrol_scope | מפרטשיחת טקסט; stream הוא ערך בוליאני וברירת המחדל שלו היא false. |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
כינויים לשיטה: /chat/completions
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000572 / 1K טוקנים פלט · טוקני פלט $0.00572 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="qwen/qwen3-vl-235b-a22b-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking הוא מודל הראייה והשפה של Qwen בארכיטקטורת תערובת מומחים להסקה מטקסט, מתמונה ומווידאו. השתמשו במהדורת Thinking לשאלות STEM, לראיות מסמכים, לקשרים מרחביים, לתכנות המבוסס על חומר חזותי ולניתוח וידאו עם חותמות זמן, עם הקשר מובנה של 262,144 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
מבוא: מהדורת Thinking הרב-מודאלית
Qwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.
סוכנים חזותיים ותכנות המבוסס על חומר חזותי
Qwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.
תכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.
תפיסה מרחבית
היצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.
הקשר ארוך ווידאו
ההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.
הסקה וזיהוי רב-מודאליים
מהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.
OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.
שינויים בארכיטקטורה
Interleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.
הכנת קלט ופלט חזותיים
דוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.
בקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.
הנחיות יצירה ומגבלות
קובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-vl-235b-a22b-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000572 / 1K טוקנים פלט · טוקני פלט $0.00572 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking הוא מודל הראייה והשפה של Qwen בארכיטקטורת תערובת מומחים להסקה מטקסט, מתמונה ומווידאו. השתמשו במהדורת Thinking לשאלות STEM, לראיות מסמכים, לקשרים מרחביים, לתכנות המבוסס על חומר חזותי ולניתוח וידאו עם חותמות זמן, עם הקשר מובנה של 262,144 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
מבוא: מהדורת Thinking הרב-מודאלית
Qwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.
סוכנים חזותיים ותכנות המבוסס על חומר חזותי
Qwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.
תכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.
תפיסה מרחבית
היצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.
הקשר ארוך ווידאו
ההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.
הסקה וזיהוי רב-מודאליים
מהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.
OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.
שינויים בארכיטקטורה
Interleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.
הכנת קלט ופלט חזותיים
דוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.
בקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.
הנחיות יצירה ומגבלות
קובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3-vl-235b-a22b-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000572 / 1K טוקנים פלט · טוקני פלט $0.00572 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-vl-235b-a22b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking הוא מודל הראייה והשפה של Qwen בארכיטקטורת תערובת מומחים להסקה מטקסט, מתמונה ומווידאו. השתמשו במהדורת Thinking לשאלות STEM, לראיות מסמכים, לקשרים מרחביים, לתכנות המבוסס על חומר חזותי ולניתוח וידאו עם חותמות זמן, עם הקשר מובנה של 262,144 טוקנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
מבוא: מהדורת Thinking הרב-מודאלית
Qwen3-VL-235B-A22B-Thinking הוא מהדורת תערובת המומחים של Qwen3-VL המתמקדת בהסקה. הוא משלב טקסט עם תמונות ווידאו ומפיק תשובות טקסטואליות או קוד. גרסת המודל השמורה והקבועה Thinking נפרדת מ-Qwen3-VL-235B-A22B-Instruct ומגרסאות הבנייה ב-FP8 בעלות שמות נפרדים. בחרו בו לשאלה הדורשת קישור בין ראיות חזותיות להסבר ארוך יותר, במקום להניח שלכל מהדורת Qwen3-VL יש אותו סגנון תשובה.
סוכנים חזותיים ותכנות המבוסס על חומר חזותי
Qwen מתארת תהליך עבודה של סוכן חזותי המזהה רכיבים בממשקי מחשב או מובייל, מפרש את תפקידיהם ועובד עם כלים להשלמת משימות. המודל מספק תפיסה והסקה; יישום חייב לחבר ולהפעיל את הפעולות. לסקירת ממשק, ספקו את צילום המסך הנוכחי ויעד מסוים, ואז בקשו לזהות את הפקדים הרלוונטיים ולהסביר את הפעולה הבאה. התמונה לבדה אינה מעניקה שליטה במכשיר.
תכנות המבוסס על חומר חזותי כולל יצירת תוכן תרשימים ו-HTML, CSS או JavaScript מתמונות ומסרטונים. ספקו צילום מסך עם הפריסה הנדרשת, ההתנהגות ופורמט הפלט הניתן לעריכה. בקשו את מבנה הדף ואת הסגנונות כתוצרים נפרדים כאשר הדבר מקל על הבדיקה. קוד שנוצר הוא טקסט לתהליך פיתוח; הוא אינו ראיה שאתר רונדר או שתמונת המקור הפכה ליישום עובד.
תפיסה מרחבית
היצרן מתעד הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. שאלו שאלה קונקרטית על קשר וזהו את האובייקט שמעניין אתכם: למשל, איזה רכיב מוסתר, מה נמצא לפניו ואילו רמזים חזותיים תומכים בפרשנות זו. אין להתייחס ליכולת עיגון כאל מדידה פיזית מכוילת מתוך תמונה שרירותית.
הקשר ארוך ווידאו
ההקשר המובנה הוא 262,144 טוקנים. Qwen מתארת הרחבה לכמיליון באמצעות תצורת YaRN ותהליכים משפחתיים הכוללים ספרים או וידאו באורך שעות עם אינדוקס אירועים ברזולוציה של שניות. יכולות אלה תלויות בייצוג, בדגימת פריימים ובתצורת ההקשר; התיאור הרחב של היצרן אינו מבטיח זכירה מושלמת של כל פריים. במאגר שלה, Qwen ממליצה על מקדם אקסטרפולציה של שתיים או שלוש עבור שיטת המיקומים המשולבת הזאת בהרחבת 256K לכ-1M, במקום להעתיק אוטומטית מקדם ארבע ממודל אחר.
הסקה וזיהוי רב-מודאליים
מהדורת Thinking מיועדת להסקה מבוססת ראיות ב-STEM ובמתמטיקה, לניתוח סיבתי ולתשובות לוגיות המקשרות בין טקסט לחומר חזותי. ספקו תרשים והגדרותיו יחד, או גרף והשאלה המספרית המדויקת. בקשו את התוויות והערכים ששימשו לפני המסקנה. Qwen מתארת גם זיהוי חזותי רחב יותר של אנשים, אנימה, מוצרים, ציוני דרך, צמחים ובעלי חיים. תשובת זיהוי נשארת הסקה מהתמונה שסופקה, ולא הבטחה שאפשר לנקוב בשם של כל אובייקט או זהות.
OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה חלשה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. שמרו תמונות מקור קריאות ובקשו שדות, ציטוטים או טבלה מובנית שאפשר לבדוק. הבנת טקסט וחזות משולבות במודל אחד, ולכן שאלה יכולה להתייחס יחד לקטע מסמך, לאיור ולהוראות המשתמש.
שינויים בארכיטקטורה
Interleaved-MRoPE מפזר את ייצוג המיקום על פני זמן, רוחב וגובה לצורך הסקה בווידאו. DeepStack משלב תכונות חזותיות מכמה רמות של המקודד כדי ללכוד פרטים עדינים יותר ולשפר את ההתאמה בין תמונה לטקסט. יישור טקסט וחותמות זמן מעגן אירועים בהפניות לזמן. תצורת הטקסט שפורסמה כוללת 94 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. פרטי ארכיטקטורה אלה מסבירים את הייצוג הרב-מודאלי של המודל; הם אינם מבססים הבטחה לזמן תגובה.
הכנת קלט ופלט חזותיים
דוגמאות היצרן מכסות תמונה אחת או כמה תמונות, וידאו ובקשות טקסט בלבד. סמנו כל קלט חזותי כדי שהשאלה תוכל להתייחס אליו בבירור. מעבדי תמונה ווידאו משתמשים בתקציבי פיקסלים נפרדים: תקציב תמונה מגביל את הפיקסלים שלה, ואילו תקציב וידאו מביא בחשבון פיקסלים לאורך הפריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ניתן לשלוט בדגימת וידאו לפי קצב או מספר פריימים; ברירת המחדל המתועדת היא שני פריימים לשנייה. שמרו חותמות זמן כאשר מבקשים ציר זמן של אירועים.
בקטע ארוך, בקשו את האירוע, את פרק הזמן שלו ואת הראיות הגלויות במקום סיכום לא מובחן. בכמה דפים, בקשו תוצאה המאורגנת לפי מזהה דף. דוגמאות הכנה אלה מיישמות את היכולות המתועדות ומסייעות לחשוף השמטות או שגיאות חילוץ.
הנחיות יצירה ומגבלות
קובץ היצירה של גרסת המודל השמורה מגדיר כברירת מחדל temperature של 0.8, top_p של 0.95 ו-top_k של 20. מתכון ההערכה הנפרד של Qwen ל-Thinking משתמש ב-temperature של 0.6, בקנס נוכחות של אפס, בקנס חזרה של 1.0 ובמכסת פלט של 40,960 טוקנים. אלה הגדרות מוכנות נפרדות של היצרן, ולא תקרת פלט קשיחה אחת. השאירו מקום להסקה ולטקסט הסופי לצד הטוקנים החזותיים ואמתו טקסט שחולץ, תשובות שחושבו וקוד שנוצר מול המקור לפני שימוש בהם.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen3-vl-235b-a22b-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000572 / 1K טוקנים פלט · טוקני פלט $0.00572 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
דוגמה טכנית באנגלית
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.